企业是否应该成立 AI 部门

一上来就设专职 AI 部门，很容易让它变成「自嗨的技术孤岛」：它自己热闹，业务却没感觉。更稳的做法是让业务负责人牵头，技术 / 数据同事兼职支撑，先把场景跑出价值，再谈组织升级。

阶段一 · 试点期：先不设部门

典型信号：只有一两个想试的场景，团队对 AI 还不熟。此时设部门为时过早。由具体业务的负责人（如客服总监、运营负责人）牵头，技术 / 数据同事以兼职方式支撑即可。McKinsey 的观察是：决定 AI 回报的不是买了多少算力，而是组织是否准备好把能力用进流程。先把「谁负责、怎么验收」定清楚，比挂一块部门牌子重要十倍。

• 业务负责人对结果负责（KPI 挂在业务侧，不挂在技术侧）
• 技术 / 数据同事兼职支撑，不脱离原部门（保持业务感知）
• 用 1-2 个小场景跑出可展示的成果（3 个月内必须出数）

阶段二 · 扩散期：建虚拟 AI 工作组 / 卓越中心（CoE）

典型信号：AI 场景开始出现在多个部门，重复造轮子、标准不一的问题出来了。此时不必立刻设实体部门，而是成立横向的虚拟工作组或卓越中心（CoE），负责沉淀可复用的能力（提示词模板、知识库、评测方法）、统一治理与培训。Microsoft 2025 Work Trend Index 提出「前沿企业」的方向——以智能体为核心、人和智能体组队工作，这正是扩散期该铺垫的组织形态。

• 横向沉淀 reusable 能力，避免各部门重复踩坑（你踩过的坑，别人不用再踩）
• 统一数据、权限与安全基线（治理——这是 CoE 最重要的产出）
• 做轻量培训和「示范团队」，把经验扩散出去（别只写文档，要做路演）

阶段三 · 规模化期：才考虑专职 AI 部门

典型信号：AI 已散布在多个核心业务流程，需要统一的治理、复用平台和资源调度；或出现需要专人统筹的数据资产、模型资产。此时可设专职 AI 部门，并可设首席 AI 官（CAIO）或首席数据官（CDO）。但要记住 BCG 的提醒：领导者的资源分配是「70% 投在人和流程、20% 投在技术和数据、10% 投在算法」——部门的价值在机制设计，不在堆算法人才。即便有了专职部门，AI 的 KPI 仍要绑回业务结果。